基于自适应滤波的通信网络干扰信号提取方法

白 琳，安 邦

（武警天津总队，天津 300000）

0 引 言

为保证通信网络安全和数据传输效率，通信网络信号干扰提取方法已经成为检测和识别通信网络干扰信号的关键手段。目前，通信网络干扰信号提取方法主要有基于大数据的通信网络干扰信号提取方法和基于人工智能的通信网络干扰信号提取方法。传统方法在实践应用中主要通过建立通信网络干扰信号模型来采集、处理、识别以及提取干扰信号。但是，网络干扰信号种类较多，传统方法只能对一种或者两种干扰信号进行提取，经常出现错误提取通信网络干扰信号的现象，且正确提取率较低，无法满足通信网络干扰信号提取需求，为此提出基于自适应滤波的通信网络干扰信号提取方法。

1 自适应滤波技术应用于通信网络干扰信号提取的重要性

自适应滤波技术以自适应滤波算法和滤波结构为核心，其中滤波性能主要依靠自适应滤波算法实现。典型的自适应滤波技术示意图如图1所示。

图1 自适应滤波技术示意图

x为自适应滤波的输入信号。自适应滤波输入信号经过滤波结构对输入信号进行度量与处理，形成了自适应滤波输出信号y[1]。在实际操作中，非线性自适应滤波比线性自适应滤波计算麻烦，所以多使用线性自适应滤波[2]。自适应滤波技术根据期望响应值和误差值对数据信号进行处理和分析，具有较高的滤波精度，同时能够根据实际滤波要求和信号特性，利用期望响应值自动修改滤波参数，以有效解决通信网络干扰信号提取中干扰信号种类较多的问题[3]。自适应滤波技术可以解决目前通信网络干扰信号提取中存在的问题，因此利用自适应滤波技术进行通信网络干扰信号提取十分必要。

2 基于自适应滤波的通信网络干扰信号提取方法设计

2.1 基于自适应滤波的通信网络干扰特性跟踪

利用自适应滤波技术跟踪通信网络中信号的干扰特性时，需先在通信网络各个信道端口组建自适应滤波结构，接收流经该信道的数据信号，并将其作为滤波装置的输入信号，表示为：

式中，W(n)为在某时刻输入到自适应滤波结构的输入向量；X(n)为自适应滤波结构的抽头权向量[4]。利用自适应滤波结构度量输入信号，然后输出通信网络干扰信号，其度量可表示为：

式中，M为自适应滤波结构的阶数；L为自适应滤波结构度量系数值，通常取值0.14[5]。利用自适应滤波算法计算分析度量后的数据信号，判断输出信号数据的属性。该算法主要通过比较期望响应信号与输出信号计算两个信号的误差，计算公式为：

式中，e(n)为自适应滤波期望信号与输出信号的误差；d(n)为自适应滤波中的期望信号；y(n)为自适应滤波中的输出信号[6]。为更加准确地计算出自适应滤波输出信号与期望信号的误差，采用自动增益的代价函数实时更新输出信号的抽头权向量和期望响应值，其中输出信号的抽头权向量可表示为：

式中，X(n)*为更新后的输出信号的抽头权向量；u为自动增益步长参数，通常设定为0.02；g为当前通信网络信道噪声系数[7]。

及时计算通信网络信道环境噪声的变化，可以及时更新自适应滤波技术的参数，从而利用更新参数准确计算自适应滤波的输出信号和期望信号。当采用自适应滤波算法计算的输出信号噪声值超过期望响应值时，表示存在一定的误差，则将该输出信号视作干扰信号。因此，按照上述方式可跟踪通信网络的干扰特性。

2.2 通信网络干扰信号分类提取

利用自适应滤波技术跟踪通信网络干扰特性时，将符合跟踪要求的数据信号统一存储到文件中，然后利用差异分析法分类提取通信网络干扰信号[8]。目前，通信网络存在的干扰信号主要有单音干扰、多音干扰、部分频带噪声干扰、噪声调频干扰、线性扫频干扰和时域高斯脉冲干扰6种[9]。通信网络干扰信号提取的对象主要为这6种干扰信号，根据每种干扰信号属性特征的不同，将信号的干扰幅度作为区别这6种干扰信号的关键依据[10]。可以将各个种类干扰信号的干扰幅度进行量化处理，表示为：

式中，A为量化后的干扰信号幅值；j为各个种类干扰信号正常幅值大小；k为量化系数。通过量化各个种类干扰信号的干扰幅值和输出信号的干扰幅值，计算两种幅值的量化误差。对比该误差与自适应滤波期望信号与输出信号误差，可以确定跟踪到的干扰信号的种类，具体分类依据如表1所示。按照表1，分类提取自适应滤波技术获得的干扰信号，从而完成基于自适应滤波的通信网络干扰信号的提取。

表1 通信网络干扰信号分类表

3 实验对比与结果分析

选取某通信网络数据包作为实验研究对象。该数据包包含10种数据，数据总量为1 500 MB。实验中将该数据作为通信网络传输数据，在数据正常传输过程中输入6种干扰信号。

实验硬件环境为GeFsder TGJ1080TI CPU，32 GB内存硬盘。实验软件环境为Windows 2010操作系统。利用MATLAB软件测试两种通信网络干扰信号提取方法的性能，收集干扰信号提取结果。实验中待提取干扰信号有8个通信信道，每个信号传输500 GB正常数据信号和200 GB网络干扰信号，干扰时间为10 min。实验中使用线性自适应滤波器，型号为GSDD-1S13，设置自适应滤波技术期望响应值为0.25，误差为0.01。干扰信号在自适应滤波技术下的滤波样本数量为1 600 GB。设置干扰信号分类阈值为0.15，将干扰信号分成6种，根据分类依据提取到各个信道。该实验得到两种通信网络提取方法的干扰信号正确提取率，如表2所示。

由表2可知，采用基于自适应滤波的通信网络干扰信号提取方法的正确提取率平均值为99.48%，高于最小限值，最大正确提取率为99.99%，接近100%，而采用传统方法提取通信网络干扰信号的正确提取率平均值为92.48%，多数信道干扰信号正确提取率低于最小限值，且远远低于设计方法。设计方法引用的自适应滤波技术可以自动根据滤波参数，准确计算当前通信环境的干扰特性，能够准确提取到通信网络信道中存在的各种干扰信号。因此，基于自适应滤波的通信网络干扰信号提取方法适用于通信网络干扰信号的提取。

表2 两种方法干扰信号正确提取率对比

4 结 论

在传统通信网络干扰信号提取方法的基础上，引入自适应滤波技术，设计了一套新的通信网络干扰信号提取方法，有效解决了通信网络存在多种干扰信号而导致通信网络运行效率差的问题，实现了对通信网络多种干扰信号的同时提取，提高了通信网络干扰信号的正确提取率，对通信网络抗干扰性能的提升具有重要意义。因此，下一步将研究基于自适应滤波的通信网络干扰信号提取及抑制方法，以促进通信网络技术的不断发展。